来源：mush博客
特斯拉的定制芯片以及Autopilot背后深度神经网络的最新更新给专家们留下了深刻的印象。
我鄙视开车。双车道和交通拥堵。演习和高速公路。倒转和环形交叉路口（我是欧洲人 – 北美人称他们为“交通圈”，虽然我不相信我曾经在加拿大生活的四年里见过一个）。我们不要忽略排放。啊。
不幸的是，它是21世纪生活中必不可少的一部分，所以当我最近买了一辆新车时，我选择了一辆可以为我做一些驾驶工作的车，并且没有产生任何排放。我现在是一个完全付费的电动汽车车主，除了一些持续的范围焦虑之外，我已经接受了我的日产LEAF，这已经带走了一些苦差事（特别是平行停车）。
在英国，LEAF是最受欢迎的插电式EV。虽然它没有提供与特斯拉自动驾驶仪相同的自主权，但我需要更加耐心地加入特斯拉的等待名单，更不用说更富有了。
虽然特斯拉的自动驾驶功能目前无法实现，但跟踪自动驾驶系统的进展仍然很有意思，希望有一天，更容易获得的制造商也能提供它。（当然，特斯拉只是众多制造自主权的制造商之一，但也是普通驾驶人群最容易接触的.Waymo–谷歌的自动驾驶汽车项目 – 以及其他车队正在测试中，但目前还没有市场）。
事实上，你可以说特斯拉拥有全球最大的机器人公开部署，超过25万人在路上，经常处于自动驾驶模式。如果你还没有看到它，这是最近的特斯拉自动驾驶仪系统的视频。
自动特斯拉驾驶仪系统-将摄像机数据输入侧深度神经网络，提供强大的计算机视觉功能。我们不了解所有细节，但队最近的一份报告扩展显示，特斯拉已经在其自动驾驶仪软件的最新V9更新中引入了一些具有一些令人印象深刻功能的新技术。该更新通过使用汽车周围的八个摄像头而不仅仅是前置摄像头来提高计算机跟踪物体的能力，跟踪所有侧面的车辆并注意摩托车，汽车和卡车之间的差异。
一位可以访问V9软件的深度学习专家分析了这些代码，并将更新的含义描述为“ 令人难以置信的原始容量扩展。”他估计V9摄像头网络要大十倍，需要200倍的计算量与早期的版本相比，使其“可能是V9正在使计算能力紧张”，并继续估计它可能需要至少数千甚至数百万倍的数据才能完全训练它。
“这个网络远远大于我公开披露的任何NN视觉，我只是想到了训练它需要多少数据。我长期坐在这个估计上，因为我认为我一定是犯了错误。但是一次又一次地重复我发现这不是我的计算结果，这是我的期望已关闭……特斯拉是否对V9使用半监督训练？他们必须使用的不仅仅是标记数据 – 没有足够的人来标记这么多数据。我认为他们雇用的所有模拟设计师都必须构建一台为他们生成标记数据的机器，但即便如此。“
特斯拉设计了自己的硅片，以确保汽车拥有能够满足他们正在开发的深度神经网络需求的处理器.Elon Musk最近表示，新芯片的速度比之前使用的NVIDIA芯片组快一个数量级。特斯拉通过从零开始设计计算器和存储器电路实现了“裸机级”，而不是将GPU分层并优化它们以便高速传输数据。
如果你想了解更多关于“幕后发生”的事情，其他特斯拉爱好者已经分析了自动驾驶技术，并对其进行了广泛的报道。特斯拉的人工智能总监Andrej Karpathy还有一段有用的30分钟视频，了讲述自动驾驶汽车状语从句：计算机视觉的发展（跳过15分钟开始描述特斯拉的计算机视觉方法）其自动驾驶仪解决方案）。